贪心思路
局部最优:收集每天的正利润,全局最优:求得最大利润。
class Solution {
public int maxProfit(int[] prices) {
int sum = 0;
for(int i = 0; i < prices.length - 1; i++){
if(prices[i+1] - prices[i] > 0){
sum = sum + (prices[i+1] - prices[i]);
}
}
return sum;
}
}
这个问题就转化为跳跃覆盖范围究竟可不可以覆盖到终点
贪心算法局部最优解:每次取最大跳跃步数(取最大覆盖范围),整体最优解:最后得到整体最大覆盖范围,看是否能到终点
class Solution {
public boolean canJump(int[] nums) {
int maxStep = 0;
maxStep = nums[0];
for(int i = 0; i < nums.length; i++){
if(i > maxStep){
return false;
}
maxStep = Math.max(maxStep, nums[i] + i);
}
return true;
}
}
或者可以这样写
class Solution {
public boolean canJump(int[] nums) {
if (nums.length == 1) {
return true;
}
//覆盖范围, 初始覆盖范围应该是0,因为下面的迭代是从下标0开始的
int coverRange = 0;
//在覆盖范围内更新最大的覆盖范围
for (int i = 0; i <= coverRange; i++) {
coverRange = Math.max(coverRange, i + nums[i]);
if (coverRange >= nums.length - 1) {
return true;
}
}
return false;
}
}
没做出来, 需要反复做
贪心的思路,
局部最优:当前可移动距离尽可能多走,如果还没到终点,步数再加一。
整体最优:一步尽可能多走,从而达到最小步数。
这里需要统计两个覆盖范围,当前这一步的最大覆盖和下一步最大覆盖。
如果移动下标达到了当前这一步的最大覆盖最远距离了,还没有到终点的话,那么就必须再走一步来增加覆盖范围,直到覆盖范围覆盖了终点
class Solution {
public int jump(int[] nums) {
if (nums == null || nums.length == 0 || nums.length == 1) {
return 0;
}
int count=0;
int curDistance = 0;
int maxDistance = 0;
for(int i = 0; i < nums.length; i++){
maxDistance = Math.max(maxDistance, nums[i] + i);
if(maxDistance >= nums.length - 1){
count++;
break;
}
if(i >= curDistance){
count++;
curDistance = maxDistance;
}
}
return count;
}
}